CN117687098A - 缝洞型储层的预测方法、装置、设备及存储介质 - Google Patents
缝洞型储层的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117687098A CN117687098A CN202211072839.7A CN202211072839A CN117687098A CN 117687098 A CN117687098 A CN 117687098A CN 202211072839 A CN202211072839 A CN 202211072839A CN 117687098 A CN117687098 A CN 117687098A
- Authority
- CN
- China
- Prior art keywords
- target
- fracture
- seismic
- logging
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title abstract description 29
- 238000005553 drilling Methods 0.000 claims description 61
- 238000011161 development Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 230000000704 physical effect Effects 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000009826 distribution Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000000611 regression analysis Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请实施例公开了一种缝洞型储层的预测方法、装置、设备及存储介质,涉及油气勘探领域。方法包括:基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值;基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性;基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系;基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测。采用本申请实施例提供的方案,可提高缝洞型储层的预测精度,进而降低勘探风险与勘探成本,提高油气生产的效率与效益。
Description
技术领域
本申请实施例涉及油气勘探领域,特别涉及一种缝洞型储层的预测方法、装置、设备及存储介质。
背景技术
随着油气勘探与开发的深入,钻井难度大幅度提升,对小尺度缝洞型储层预测的精度要求不断提高。
相关技术中的缝洞型储层预测方法可分为定性预测与定量预测两大类。其中,定性预测能够从地震数据体中提取不同地震属性进行缝洞型储层预测,定量预测能够采用波阻抗反演或地质统计学反演进行缝洞型储层预测。
然而,受到方法的局限,相关技术中的缝洞型储层预测结果对井吻合率较差,不能有效指导钻井的精细勘探与开发,因此,如何提高缝洞型储层预测的准确性就成为急需解决的问题。
发明内容
本申请实施例提供了一种缝洞型储层的预测方法、装置、设备及存储介质。所述技术方案如下:
一方面,本申请实施例提供了一种缝洞型储层的预测方法,所述方法包括:
基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,所述目标测井曲线用于表征缝洞发育情况与钻井深度之间的关系,所述截止值是基于所述目标测井曲线确定缝洞型储层位置所采用的阈值,所述目标测井曲线与所述缝洞型储层的相关度高于所述测井资料中其他测井曲线与所述缝洞型储层的相关度;
基于所述目标测井曲线,从所述目标区域的地震资料中确定至少两种目标地震属性,所述目标地震属性与所述缝洞型储层的相关度高于所述地震资料中其他地震属性与所述缝洞型储层的相关度;
基于所述目标测井曲线以及所述目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种所述目标地震属性曲线与所述目标测井曲线的拟合关系;
基于所述拟合关系、所述目标区域的所述地震资料以及所述截止值,对所述目标区域进行缝洞型储层预测。
另一方面,本申请实施例提供了一种缝洞型储层的预测装置,所述装置包括:
第一确定模块,用于基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,所述目标测井曲线用于表征缝洞发育情况与钻井深度之间的关系,所述截止值是基于所述目标测井曲线确定缝洞型储层位置所采用的阈值,所述目标测井曲线与所述缝洞型储层的相关度高于所述测井资料中其他测井曲线与所述缝洞型储层的相关度;
第二确定模块,用于基于所述目标测井曲线,从所述目标区域的地震资料中确定至少两种目标地震属性,所述目标地震属性与所述缝洞型储层的相关度高于所述地震资料中其他地震属性与所述缝洞型储层的相关度;
第三确定模块,用于基于所述目标测井曲线以及所述目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种所述目标地震属性曲线与所述目标测井曲线的拟合关系;
预测模块,用于基于所述拟合关系、所述目标区域的所述地震资料以及所述截止值,对所述目标区域进行缝洞型储层预测。
另一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一段程序,所述至少一段程序由所述处理器加载并执行以实现如上述方面所述的缝洞型储层的预测方法。
另一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一段程序,所述至少一段程序由处理器加载并执行以实现如上述方面所述的缝洞型储层的预测方法。
另一方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括计算机指令,所述计算机指令存储在计算机可读存储介质中;计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令,处理器执行该计算机指令,使得所述计算机设备执行以实现如上述方面所述的缝洞型储层的预测方法。
本申请实施例中,计算机设备首先基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,再基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性,进而基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系,最后,基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测;采用本申请实施例提供的方案,有效提高缝洞型储层的预测精度,为油气勘探开发提供地下缝洞型储层的分布范围,从而可以降低勘探风险与勘探成本,提高油气生产的效率与效益。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请一个示例性实施例提供的缝洞型储层的预测方法的流程图;
图2示出了本申请一个示例性实施例提供的确定目标地震属性的示意图;
图3示出了本申请另一个示例性实施例提供的缝洞型储层的预测方法的流程图;
图4示出了本申请一个示例性实施例提供的确定目标测井曲线的示意图;
图5示出了本申请另一个示例性实施例提供的确定测井曲线特征值的示意图;
图6示出了本申请另一个示例性实施例提供的确定截止值的示意图;
图7示出了本申请一个示例性实施例提供的确定拟合关系的示意图;
图8是本申请一个示例性实施例示出的本申请实施例与单一地震属性的缝洞型储层的预测效果对比图;
图9示出了本申请一个实施例提供的油气预测装置的结构框图;
图10示出了本申请一个示例性实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
随着现代社会对油气资源需求的与日俱增,石油勘探与开发的进程不断深入,实现油田的高效开发,缝洞型储层的预测显得越发重要。
缝洞型储层泛指以裂缝及洞穴为油气储集空间的储层。这类储层多为碳酸盐岩,其储集空间和渗流通道多以裂缝及与其连通的溶孔、溶洞为主,该类储层通常属于高渗透储层,主要受原始岩性、构造和岩溶的综合影响。缝洞型储层历经多期构造运动以及强烈的风化、剥蚀和淋滤作用,储集空间类型多样、缝洞的规模、形态极不规则且随机分布。
相关技术中,缝洞型储层的预测方法可分为定性预测与定量预测两大类。其中,定性预测能够利用相干、曲率、纹理、对称性属性、蚂蚁体、最大似然以及P波方位各项异性等地震属性进行缝洞型储层预测,定量预测能够采用波阻抗反演或地质统计学反演进行缝洞型储层预测。
然而,受到方法的局限,相关技术中的缝洞型储层预测方法得到的缝洞型储层预测结果对井吻合率较低,不能有效指导钻井的精细勘探与开发。
有鉴于此,本申请实施例中,计算机设备首先基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,再基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性,进而基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系,最后,基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测,有效提高缝洞型储层的预测精度,为油气勘探开发提供地下缝洞型储层的分布范围,从而可以降低勘探风险与勘探成本,提高油气生产的效率与效益。
请参考图1,其示出了本申请一个示例性实施例提供的缝洞型储层的预测方法的流程图。本实施例以该方法用于计算机设备为例进行说明,该方法包括如下步骤:
步骤101,基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值。
在一种可能的实施方式中,计算机设备基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,其中,目标测井曲线用于表征缝洞发育情况与钻井深度之间的关系,截止值是基于目标测井曲线确定缝洞型储层位置所采用的阈值,目标测井曲线与缝洞型储层的相关度高于测井资料中其他测井曲线与缝洞型储层的相关度。
岩心指通过环状岩心钻头及其他取心工具,从固体矿产的矿体或矿层中取出的含矿岩石或矿石。岩心资料是研究和了解地下地质和矿产情况的重要实物地质资料。
目标钻井的测井资料包括常规测井资料以及特殊测井资料,常规测井资料指通过常规测井方法获取到的测井资料,常规测井方法包括自然伽马测井、深浅电阻率测井、声波时差测井、密度测井以及中子测井等,特殊测井资料指通过特殊测井方法获取到的测井资料,特殊测井方法包括电缆地层测井、地层倾角测井、成像测井、核磁共振测井以及全波列测井等,本实施例对具体的常规测井方法以及特殊测井方法不构成限定。
可选的,目标测井曲线特征值指该深度范围内目标测井曲线的平均值,目标测井曲线中目标曲线特征值大于截止值的曲线段对应的深度范围为缝洞型储层所处的深度范围,目标测井曲线中目标曲线特征值小于截止值的曲线段对应的深度范围为非缝洞型储层所处的深度范围。
步骤102,基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性。
在一种可能的实施方式中,计算机设备基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性,目标地震属性与缝洞型储层的相关度高于地震资料中其他地震属性与缝洞型储层的相关度。
地震属性是从地震数据体中产生几何学、运动学、动力学特征的具体测量内容,与地下岩石物性之间有着千丝万缕的联系,不同地区、不同岩性及不同油藏配置都会影响到地震属性之间的联系。
可选的,地震属性包括振幅类属性(如均方根振幅、绝对振幅和、振幅峰态、振幅总能量、瞬时振幅等)、频率类属性(如瞬时频率、瞬时相位、平均Q等)、频谱类属性(如谱吸收因子、主频、频率衰减、带宽能量等)以及构造类属性(如相干、相似性、曲率、纹理等)等,本实施例对此不作限定。
由于地震属性与所预测对象之间的关系复杂,不同工区和不同储层对所预测对象敏感的地震属性不完全相同,即使在同一工区、同一储层,预测对象不同,对应的敏感地震属性也有差异,因此有必要对所求问题敏感的地震属性进行选择。地震属性优选方法就是优选出对所求问题最敏感、最有效和最有代表性的属性个数的地震属性组合,从而改善与地震属性有关的处理及解释方法的效果,在本申请实施例中,即优选出与缝洞型储层的相关度最高的地震属性。地震属性选择的方法主要有地震属性选择与地震属性降维映射两大类。
本申请实施例中,计算机设备最终确定的目标地震属性包括均方根振幅、振幅总能量与瞬时频率中的至少两种。
关于计算机设备从目标区域的地震资料中确定至少两种目标地震属性的具体方式,在一种可能的实施方式中,计算机设备从目标区域的地震资料中提取至少两种候选地震属性后,确定目标测井曲线与候选地震属性对应的候选地震属性曲线的相关度,进而基于相关度从至少两种候选地震属性中确定出至少两种目标地震属性。
示意性的,计算机设备从目标区域的地震资料中确定出候选地震属性A、候选地震属性B以及候选地震属性C后,获取目标钻井井点位置对应的缝洞型储层的分布情况,如图2所示,图中阴影部分为候选地震属性确定出的目标区域内的缝洞型储层分布区域,若已知钻井W的缝洞型储层所处的钻井深度范围为[3865,3960]以及[4040,4065],则可以判断候选地震属性A和候选地震属性C所反映的目标钻井的缝洞型储层分布情况较为准确,即候选地震属性A和候选地震属性C所对应的候选地震属性曲线与目标测井曲线之间的相关度要大于候选地震属性B所对应的候选地震属性曲线与目标测井曲线之间的相关度,因此,计算机设备确定出候选地震属性A和候选地震属性C为两个目标地震属性。
步骤103,基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系。
在一种可能的实施方式中,计算机设备基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系。
可选的,计算机设备获取到目标测井曲线以及目标地震曲线后,通过回归分析方法确定目标地震属性与目标测井属性之间的拟合关系。
回归分析方法是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。按照涉及的变量的多少,分为一元回归和多元回归分析;按照因变量的多少,可分为简单回归分析和多重回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。
可选的,回归分析方法包括多元线性回归、逻辑回归法、多元多项式回归法、逐步回归法、岭回归法以及套索回归法等,本实施例对此不作限定。
步骤104,基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测。
在一种可能的实施方式中,计算机设备基于拟合关系,对目标区域的地震资料中的目标地震属性数据体进行拟合,得到拟合测井数据体,进而基于拟合测井数据体以及截止值,对目标区域进行缝洞型储层预测。
可选的,本申请实施例中,计算机设备获取到目标区域的拟合测井数据体后,去除拟合测井数据体中小于截止值的拟合测井数据体,即去除非缝洞型储层对应的拟合测井数据体,保留缝洞型储层对应的拟合测井数据体,进而获取到目标区域的缝洞型储层的分布范围。
进一步的,在一种可能的实施方式中,计算机设备对目标区域内预测到的缝洞型储层的进行纵向厚度累加,得到目标区域的缝洞型储层厚度平面展布图,缝洞型储层厚度平面展布图用于表征目标区域内不同坐标点对应的缝洞型储层厚度,以便用户基于目标区域的缝洞型储层厚度平面展布图获取目标区域的缝洞型储层的分布情况。
可选的,若计算机设备获取目标钻井的缝洞型储层所处的钻井深度范围为[3865,3960]以及[4040,4065],即缝洞型储层厚度分别为95以及25,则经过纵向厚度累加后,缝洞型储层厚度平面展布图所指示的目标钻井处的缝洞型储层厚度为120。
综上所述,本申请实施例中,计算机设备首先基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,再基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性,进而基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系,最后,基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测;采用本申请实施例提供的方案,有效提高缝洞型储层的预测精度,为油气勘探开发提供地下缝洞型储层的分布范围,从而可以降低勘探风险与勘探成本,提高油气生产的效率与效益。
在一种可能的实施方式中,计算机设备首先基于测井资料对目标钻井进行岩性、物性以及含油气性分析,进而基于分析结果从至少两种候选测井属性中确定出目标测井属性,进而确定出目标测井曲线以及截止值。
请参考图3,其示出了本申请一个示例性实施例提供的缝洞型储层的预测方法的流程图。本实施例以该方法用于计算机设备为例进行说明,该方法包括如下步骤:
步骤301,基于目标钻井的岩心资料以及测井资料,从至少两种候选测井曲线中确定出目标测井曲线。
在一种可能的实施方式中,计算机设备基于目标钻井的岩心资料以及测井资料,从至少两种候选测井曲线中确定出目标测井曲线。
可选的,计算机设备通过储层评价方法对目标钻井进行岩性、物性以及含油气性分析,进而基于分析结果从至少两种候选测井曲线中确定出与缝洞型储层的相关度最高的测井曲线。
可选的,储层评价方法可以为采用权重分析评价法、Q型聚类分析法、层次分析法、主成分分析法、模糊理论法、克里金法等,本实施例对具体的储层评价方法不构成限定。
在一种可能的实施方式中,计算机设备从目标钻井的测井资料中获取自然伽马曲线、深浅电阻率曲线、声波曲线、密度曲线以及中子曲线等能够表征地质情况的原始曲线,进而采用Q型聚类分析算法基于原始曲线对目标钻井进行岩性、物性以及含油气性分析,得到聚类分析结果,聚类分析结果包含能够表征目标钻井地层不同深度段岩性、物性以及含油气性的候选测井曲线。
可选的,候选测井曲线包括孔隙度曲线、渗透率曲线、含油饱和度曲线、小层砂岩厚度曲线等,本实施例对此不作限定。
进一步的,计算机设备基于聚类分析结果,确定至少两种候选测井曲线,并基于目标钻井的候选测井曲线、岩心资料与测井资料指示的目标钻井的缝洞型储层位置,确定候选测井曲线与缝洞型储层的相关度,进而将最高相关度对应的候选测井曲线确定为目标测井曲线。
在一个示意性的例子中,请参考图4,计算机设备采用Q型聚类分析算法对目标钻井进行岩性、物性以及含油气性分析,得到候选测井曲线A、候选测井曲线B以及候选测井曲线C,进而基于目标钻井的岩心资料与测井资料指示的目标钻井的缝洞型储层位置,确定候选测井曲线A、候选测井曲线B以及候选测井曲线C与缝洞型储层的相关度,进而将最高相关度对应的候选测井曲线确定为目标测井曲线。
本申请实施例中,计算机设备确定候选测井曲线后,基于候选测井曲线、岩心资料与测井资料指示的目标钻井的缝洞型储层位置,确定出孔隙度曲线与缝洞型储层的相关度高于其他候选测井曲线与缝洞型储层的相关度,因此,计算机设备将孔隙度曲线确定为目标测井曲线。
步骤302,基于目标测井曲线、岩心资料以及测井资料,确定截止值。
进一步的,计算机设备基于目标测井曲线、岩心资料以及测井资料所指示的缝洞型储层位置,确定截止值。
在一种可能的实施方式中,计算机设备基于目标钻井的岩心资料以及测井资料,确定目标钻井中缝洞型储层的第一钻井深度以及非缝洞型储层的第二钻井深度,进而基于第一钻井深度、第二钻井深度以及目标测井曲线,确定缝洞型储层对应的第一目标测井曲线特征值以及非缝洞型储层对应的第二目标测井曲线特征值,最后,基于第一目标测井曲线特征值以及第二目标测井曲线特征值,通过多井统计分析,确定截止值。
可选的,计算机设备确定目标钻井中缝洞型储层的第一钻井深度以及非缝洞型储层的第二钻井深度后,计算第一钻井深度以及第二钻井深度对应的目标测井曲线的平均值,得到第一目标测井曲线特征值以及第二目标测井曲线特征值。
可选的,为提高计算机设备确定截止值的准确性,计算机设备获取目标区域内至少两个目标钻井的岩心资料以及测井资料后,确定出至少两个目标钻井的候选测井曲线以及各个目标钻井中缝洞型储层的第一钻井深度以及非缝洞型储层的第二钻井深度,进而确定各个候选测井曲线与第一钻井深度对应的第一候选测井曲线特征值以及与第二钻井深度对应的第二候选测井曲线特征值。
示意性的,如图5所示,计算机设备获取目标钻井1、目标钻井2以及目标钻井3的岩心资料以及测井资料后,确定目标钻井1、目标钻井2以及目标钻井3各自的候选测井曲线A、候选测井曲线B以及候选测井曲线C,进而确定出各个目标钻井中缝洞型储层的第一钻井深度以及非缝洞型储层的第二钻井深度对应的候选测井曲线的第一候选测井曲线特征值以及第二候选测井曲线特征值。例如,目标钻井1在[5102.6,5110.6]钻井深度范围内为缝洞型储层,计算机设备在此范围内取第一钻井深度,此时,目标钻井1的候选测井曲线A、候选测井曲线B以及候选测井曲线C在第一钻井深度的第一候选测井曲线特征值分别为4.5、1.987以及55.3,目标钻井1在[5315.1,5321.3]钻井深度范围内为非缝洞型储层,计算机设备在此范围内取第二钻井深度,此时,目标钻井1的候选测井曲线A、候选测井曲线B以及候选测井曲线C在第二钻井深度的第二候选测井曲线特征值分别为2.4、0.064以及43.8。
进一步的,计算机设备通过对目标区域内至少两个目标钻井进行多井统计分析,确定截止值。
示意性的,计算机设备获取到目标钻井1、目标钻井2以及目标钻井3各自的候选测井曲线A、候选测井曲线B以及候选测井曲线C对应的候选测井曲线特征值后,对于同一个目标钻井在同一个钻井深度范围下的三个候选测井曲线特征值,从三个候选测井曲线特征值中任取两个候选测井曲线特征值分别作为横纵坐标得到一个二维坐标点,例如,取目标钻井1在[5102.6,5110.6]深度范围下的候选测井曲线A的候选测井曲线特征值4.5和候选测井曲线C的候选测井曲线特征值55.3分别作为横纵坐标得到一个二维坐标点(4.5,55.3)。进一步的,计算机设备对于该目标钻井在多个钻井深度范围下均采用上述方法得到多个二维坐标点。
计算机设备对于不同目标钻井在不同钻井深度采用上述方法得到多个二维坐标点,进而构建出多个二维坐标系,并对各个坐标系基于多个目标钻井的多个候选曲线的第一候选测井曲线特征值以及第二候选测井曲线特征值进行截止值分析。示意性的,如图6所示,计算机设备获取到目标钻井1、目标钻井2以及目标钻井3各自的候选测井曲线A、候选测井曲线B以及候选测井曲线C对应的第一候选测井曲线特征值以及第二候选测井曲线特征值后,将从目标钻井1、目标钻井2以及目标钻井3中提取的对应候选测井曲线A的候选测井曲线特征值以及候选测井曲线C的候选测井曲线特征值的多个坐标点构成一个二维坐标系,该二维坐标系的横轴与纵轴分别是候选测井曲线C的候选测井曲线特征值以及候选测井曲线A的候选测井曲线特征值,计算机设备进而基于到目标钻井1、目标钻井2以及目标钻井3各自的候选测井曲线A以及候选测井曲线C对应的第一候选测井曲线特征值以及第二候选测井曲线特征值对二维坐标系中的各个坐标点进行标记,得到对应缝洞型储层的坐标点以及对应非缝洞型储层的坐标点后,对二维坐标系进行截止值分析,得到不同候选测井曲线中对应缝洞型储层的第一候选测井曲线特征值与对应非缝洞型储层的第二候选测井曲线特征值的阈值,该阈值即为该候选测井曲线确定缝洞型储层位置的截止值。例如,若计算机设备基于分析结果确定候选测井曲线C在其对应的候选测井曲线特征值范围[40,60]内无法明确区分对应缝洞型储层的第一候选测井曲线特征值与对应非缝洞型储层的第二候选测井曲线特征值,即计算机设备无法在选测井曲线C对应的的候选测井曲线特征值范围[40,60]内确定出候选测井曲线C用于确定缝洞型储层位置的截止值,而计算机设备基于分析结果确定候选测井曲线A中对应缝洞型储层的第一候选测井曲线特征值与对应非缝洞型储层的第二候选测井曲线特征值的阈值为3.0,即计算机设备基于候选测井曲线A确定缝洞型储层位置的截止值为3.0,若候选测井曲线A为孔隙度曲线,由于计算机设备预先已经确定孔隙度曲线为目标测井曲线,那么,计算机设备可以确定目标测井曲线的截止值为3.0。
本申请实施例中,目标测井曲线为孔隙度曲线,计算机设备确定截止值为3.0,即目标测井曲线中,目标测井曲线特征值大于3.0的曲线段对应的深度范围为缝洞型储层所处的深度范围,目标测井曲线特征值小于3.0的曲线段对应的深度范围为非缝洞型储层所处的深度范围。
步骤303,基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性。
本步骤的实施方式可以参考步骤102,本实施例在此不再赘述。
步骤304,对目标测井曲线与至少两种目标地震属性曲线进行多元线性回归,得到至少两种目标地震属性曲线与目标测井曲线的拟合关系。
在一种可能的实施方式中,计算机设备对目标测井曲线与至少两种目标地震属性曲线进行多元回归,得到至少两种目标地震属性曲线与目标测井曲线的拟合关系之前,从目标区域的地震资料中提取地震子波并对地震子波进行褶积得到合成地震记录,进而基于合成地震记录及子波的传播速度,确定子波传播时长与钻井深度之间的对应关系,并基于子波传播时长与钻井深度之间的对应关系,将目标测井曲线从深度域转换至时间域,其中,转换后的目标测井曲线用于表征缝洞发育情况与子波传播时长之间的关系。
可选的,合成地震记录是用声波测井或垂直地震剖面资料经过人工合成转换成的地震记录,是地震模型技术中应用非常广泛的一种,也是层位标定、油藏描述等工作的基础,是把地质模型转化为地震信息的中间媒介。
可选的,地震子波是一段具有确定的起始时间、能量有限且有一定延续长度的信号,是地震记录中的基本单元。
进一步的,计算机设备对转换后的目标测井曲线与至少两种目标地震属性曲线进行多元回归,得到至少两种目标地震属性与目标测井属性的拟合关系。
示意性的,如图7所示,若计算机设备获取到了3种目标地震属性沿井轨迹提取的目标地震属性曲线,计算机设备将目标地震属性曲线与转换到时间域的目标测井曲线作多元线性回归,得到至少两种目标地震属性与目标测井属性的拟合关系。
可选的,计算机设备确定的目标测井曲线为孔隙度曲线Y,目标地震属性曲线为均方根振幅曲线X1、振幅总能量曲线X2与瞬时频率曲线X3,计算机设备得到一个能够表征孔隙度曲线Y与均方根振幅曲线X1、振幅总能量曲线X2以及瞬时频率曲线X3之间拟合关系的拟合关系式,该拟合关系式为Y=13.25-9.6×10-4×X1-0.085×X2-0.899×X3,计算机设备进而计算出该拟合关系式的R2,R2又称为拟合关系式的确定性系数(coefficient ofdetermination),表示方程中变量X对Y的解释程度。R2取值在0到1之间,越接近1,表明方程中X对Y的解释能力越强。本申请实施例中,计算机设备计算得到R的取值为0.892,即R2为0.795664,表明均方根振幅曲线X1、振幅总能量曲线X2与瞬时频率曲线X3能够较好的表征出孔隙度曲线Y。
步骤305,基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测。
本步骤的实施方式可以参考步骤104,本实施例在此不再赘述。
本申请实施例中,计算机设备确定出目标测井属性后,基于目标测井属性确定出目标测井曲线以及截止值,进而通过提取子波并制作合成地震记录的方式,将深度域的测井曲线统一到地震数据体的时间域,便于后续将目标曲线与地震属性在相同的时间域下进行多元线性回归,获取至少两种目标地震属性与目标测井属性的拟合关系,以便计算机设备基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测。
示意性的,如图8所示,相较于相关技术中从目标区域的地震资料中只提取单一地震属性并基于该地震属性对目标区域进行缝洞型储层预测,采用本申请实施例提供的缝洞型储层的预测方法,能够从多种地震属性中提取出与缝洞型储层之间相关度较高的目标地震属性,由于目标地震属性可以由计算机设备直接从目标区域的地震资料中提取得到,但目标测井曲线必须是从准确的测井数据中获得,且目标测井曲线比目标地震属性预测缝洞型储层的精准度更高,因此,计算机设备基于目标地震属性,得到目标地震属性沿井轨迹提取的目标地震属性曲线,进而确定出目标地震属性曲线和目标测井曲线的拟合关系,再基于拟合关系和目标区域的目标地震属性数据体,计算机设备获取到整个目标区域的拟合测井数据体,再用拟合测井数据体预测缝洞型储层的分布情况,会比只用单一地震属性预测缝洞型储层的分布情况的精准度更高,表明本申请实施例提供的缝洞型储层的预测方法能够预测到更准确的缝洞型储层的分布情况。
请参考图9,其示出了本申请一个示例性实施例提供的缝洞型储层的预测装置的结构框图。该装置可以包括:
第一确定模块901,用于基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,所述目标测井曲线用于表征缝洞发育情况与钻井深度之间的关系,所述截止值是基于所述目标测井曲线确定缝洞型储层位置所采用的阈值,所述目标测井曲线与所述缝洞型储层的相关度高于所述测井资料中其他测井曲线与所述缝洞型储层的相关度;
第二确定模块902,用于基于所述目标测井曲线,从所述目标区域的地震资料中确定至少两种目标地震属性,所述目标地震属性与所述缝洞型储层的相关度高于所述地震资料中其他地震属性与所述缝洞型储层的相关度;
第三确定模块903,用于基于所述目标测井曲线以及所述目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种所述目标地震属性曲线与所述目标测井曲线的拟合关系;
预测模块904,用于基于所述拟合关系、所述目标区域的所述地震资料以及所述截止值,对所述目标区域进行缝洞型储层预测。
可选的,所述第一确定模块901,用于:
基于所述目标钻井的所述岩心资料以及所述测井资料,从至少两种候选测井曲线中确定出所述目标测井曲线;
基于所述目标测井曲线、所述岩心资料以及所述测井资料,确定所述截止值。
可选的,所述第一确定模块901,用于:
基于所述目标钻井的所述测井资料,采用Q型聚类分析算法对所述目标钻井进行岩性、物性以及含油气性分析,得到聚类分析结果;
基于所述聚类分析结果,确定至少两种候选测井曲线;
基于所述候选测井曲线、所述岩心资料与所述测井资料指示的所述目标钻井的缝洞型储层位置,确定所述候选测井曲线与所述缝洞型储层的相关度;
将最高相关度对应的候选测井曲线确定为所述目标测井曲线。
可选的,所述第一确定模块901,用于:
基于所述目标钻井的所述岩心资料以及所述测井资料,确定所述目标钻井中缝洞型储层的第一钻井深度以及非缝洞型储层的第二钻井深度;
基于第一钻井深度、第二钻井深度以及目标测井曲线,确定缝洞型储层对应的第一目标测井曲线特征值以及非缝洞型储层对应的第二目标测井曲线特征值;
基于所述第一目标测井曲线特征值以及所述第二目标测井曲线特征值,通过多井统计分析,确定所述截止值。
可选的,所述第二确定模块902,用于:
从所述目标区域的所述地震资料中提取至少两种候选地震属性;
确定所述目标测井曲线与所述候选地震属性沿井轨迹提取的候选地震属性曲线的相关度;
基于所述相关度从至少两种所述候选地震属性中确定出至少两种所述目标地震属性。
可选的,所述第三确定模块903,用于:
对所述目标测井曲线与至少两种目标地震属性曲线进行多元线性回归,得到至少两种所述目标地震属性曲线与所述目标测井曲线的所述拟合关系。
可选的,所述装置还包括:
提取模块,用于从所述目标区域的所述地震资料中提取地震子波;
合成模块,用于对地震子波进行褶积得到合成地震记录;
第四确定模块,用于基于所述合成地震记录及所述子波的传播速度,确定子波传播时长与所述钻井深度之间的对应关系;
转换模块,用于基于所述子波传播时长与所述钻井深度之间的对应关系,将所述目标测井曲线从深度域转换至时间域,其中,转换后的所述目标测井曲线用于表征所述缝洞发育情况与所述子波传播时长之间的关系;
所述第三确定模块903,用于对转换后的所述目标测井曲线与至少两种目标地震属性曲线进行多元回归,得到至少两种所述目标地震属性与所述目标测井属性的所述拟合关系。
可选的,所述预测模块904,用于:
基于所述拟合关系,对所述地震资料中的所述目标地震属性数据体进行拟合,得到拟合测井数据体;
基于所述拟合测井数据体以及所述截止值,对所述目标区域进行缝洞型储层预测。
可选的,所述装置还包括:
累加模块,用于对所述目标区域内预测到的所述缝洞型储层的进行纵向厚度累加,得到所述目标区域的缝洞型储层厚度平面展布图,所述缝洞型储层厚度平面展布图用于表征所述目标区域内不同坐标点对应的缝洞型储层厚度。
综上所述,本申请实施例中,计算机设备首先基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,再基于目标测井曲线,从目标区域的地震资料中确定至少两种目标地震属性,进而基于目标测井曲线以及目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种目标地震属性曲线与目标测井曲线的拟合关系,最后,基于拟合关系、目标区域的地震资料以及截止值,对目标区域进行缝洞型储层预测;采用本申请实施例提供的方案,有效提高缝洞型储层的预测精度,为油气勘探开发提供地下缝洞型储层的分布范围,从而可以降低勘探风险与勘探成本,提高油气生产的效率与效益。
请参考图10,其示出了本申请一个示例性实施例提供的计算机设备的结构示意图。具体来讲:所述计算机设备1000包括中央处理单元(Central Processing Unit,CPU)1001、包括随机存取存储器1002和只读存储器1003的系统存储器1004,以及连接系统存储器1004和中央处理单元1001的系统总线1005。所述计算机设备1000还可以包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(Input/Output,I/O系统)1006,和用于存储操作系统1013、应用程序1014和其他程序模块1015的大容量存储设备1007。
在一些实施例中,所述基本输入/输出系统1006可以包括有用于显示信息的显示器1008和用于用户输入信息的诸如鼠标、键盘之类的输入设备1009。其中所述显示器1008和输入设备1009都通过连接到系统总线1005的输入输出控制器1010连接到中央处理单元1001。所述基本输入/输出系统1006还可以包括输入输出控制器1010以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1010还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1007通过连接到系统总线1005的大容量存储控制器(未示出)连接到中央处理单元1001。所述大容量存储设备1007及其相关联的计算机可读介质为计算机设备1000提供非易失性存储。也就是说,所述大容量存储设备1007可以包括诸如硬盘或者驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括随机存取记忆体(RAM,Random Access Memory)、只读存储器(ROM,Read Only Memory)、闪存或其他固态存储其技术,只读光盘(Compact Disc Read-Only Memory,CD-ROM)、数字通用光盘(Digital Versatile Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器1004和大容量存储设备1007可以统称为存储器。
存储器存储有一个或多个程序,一个或多个程序被配置成由一个或多个中央处理单元1001执行,一个或多个程序包含用于实现上述方法的指令,中央处理单元1001执行该一个或多个程序实现上述各个方法实施例提供的方法。
根据本申请的各种实施例,所述计算机设备1000还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1000可以通过连接在所述系统总线1005上的网络接口单元1011连接到网络1012,或者说,也可以使用网络接口单元1011来连接到其他类型的网络或远程计算机系统(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,所述一个或者一个以上程序包含用于进行本申请实施例提供的方法中由计算机设备所执行的步骤。
本申请实施例还提供一种计算机可读存储介质,该可读存储介质中存储有至少一段程序,至少一段程序由处理器加载并执行以实现如上述实施例所述的油气预测方法。
本申请实施例提供了一种计算机程序产品,该计算机程序产品计算机指令,该计算机指令存储在计算机可读存储介质中;计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如上述实施例所述的油气预测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种缝洞型储层的预测方法,其特征在于,所述方法包括:
基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,所述目标测井曲线用于表征缝洞发育情况与钻井深度之间的关系,所述截止值是基于所述目标测井曲线确定缝洞型储层位置所采用的阈值,所述目标测井曲线与所述缝洞型储层的相关度高于所述测井资料中其他测井曲线与所述缝洞型储层的相关度;
基于所述目标测井曲线,从所述目标区域的地震资料中确定至少两种目标地震属性,所述目标地震属性与所述缝洞型储层的相关度高于所述地震资料中其他地震属性与所述缝洞型储层的相关度;
基于所述目标测井曲线以及所述目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种所述目标地震属性曲线与所述目标测井曲线的拟合关系;
基于所述拟合关系、所述目标区域的所述地震资料以及所述截止值,对所述目标区域进行缝洞型储层预测。
2.根据权利要求1所述的方法,其特征在于,所述基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,包括:
基于所述目标钻井的所述岩心资料以及所述测井资料,从至少两种候选测井曲线中确定出所述目标测井曲线;
基于所述目标测井曲线、所述岩心资料以及所述测井资料,确定所述截止值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标钻井所述测井资料,从至少两种候选测井曲线中确定出所述目标测井曲线,包括:
基于所述目标钻井的所述测井资料,采用Q型聚类分析算法对所述目标钻井进行岩性、物性以及含油气性分析,得到聚类分析结果;
基于所述聚类分析结果,确定至少两种候选测井曲线;
基于所述候选测井曲线、所述岩心资料与所述测井资料指示的所述目标钻井的缝洞型储层位置,确定所述候选测井曲线与所述缝洞型储层的相关度;
将最高相关度对应的候选测井曲线确定为所述目标测井曲线。
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标测井曲线、所述岩心资料以及所述测井资料,确定所述截止值,包括:
基于所述目标钻井的所述岩心资料以及所述测井资料,确定所述目标钻井中缝洞型储层的第一钻井深度以及非缝洞型储层的第二钻井深度;
基于第一钻井深度、第二钻井深度以及目标测井曲线,确定缝洞型储层对应的第一目标测井曲线特征值以及非缝洞型储层对应的第二目标测井曲线特征值;
基于所述第一目标测井曲线特征值以及所述第二目标测井曲线特征值,通过多井统计分析,确定所述截止值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述目标测井曲线,从所述目标区域的地震资料中确定至少两种目标地震属性,包括:
从所述目标区域的所述地震资料中提取至少两种候选地震属性;
确定所述目标测井曲线与所述候选地震属性沿井轨迹提取的候选地震属性曲线的相关度;
基于所述相关度从至少两种所述候选地震属性中确定出至少两种所述目标地震属性。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标测井曲线以及所述目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种所述目标地震属性曲线与所述目标测井曲线的拟合关系,包括:
对所述目标测井曲线与至少两种目标地震属性曲线进行多元线性回归,得到至少两种所述目标地震属性曲线与所述目标测井曲线的所述拟合关系。
7.根据权利要求6所述的方法,其特征在于,所述对所述目标测井曲线与至少两种目标地震属性曲线进行多元回归,得到至少两种所述目标地震属性曲线与所述目标测井曲线的所述拟合关系之前,所述方法还包括:
从所述目标区域的所述地震资料中提取地震子波;
对地震子波进行褶积得到合成地震记录;
基于所述合成地震记录及所述子波的传播速度,确定子波传播时长与所述钻井深度之间的对应关系;
基于所述子波传播时长与所述钻井深度之间的对应关系,将所述目标测井曲线从深度域转换至时间域,其中,转换后的所述目标测井曲线用于表征所述缝洞发育情况与所述子波传播时长之间的关系;
所述对所述目标测井曲线与至少两种目标地震属性曲线进行多元回归,得到至少两种所述目标地震属性与所述目标测井属性的所述拟合关系,包括:
对转换后的所述目标测井曲线与至少两种目标地震属性曲线进行多元回归,得到至少两种所述目标地震属性与所述目标测井属性的所述拟合关系。
8.根据权利要求1所述的方法,其特征在于,所述基于所述拟合关系、所述目标区域的所述地震资料以及所述截止值,对所述目标区域进行缝洞型储层预测,包括:
基于所述拟合关系,对所述地震资料中的所述目标地震属性数据体进行拟合,得到拟合测井数据体;
基于所述拟合测井数据体以及所述截止值,对所述目标区域进行缝洞型储层预测。
9.根据权利要求1至8任一所述的方法,其特征在于,所述方法还包括:
对所述目标区域内预测到的所述缝洞型储层的进行纵向厚度累加,得到所述目标区域的缝洞型储层厚度平面展布图,所述缝洞型储层厚度平面展布图用于表征所述目标区域内不同坐标点对应的缝洞型储层厚度。
10.一种缝洞型储层的预测装置,其特征在于,所述装置包括:
第一确定模块,用于基于目标区域内目标钻井的岩心资料以及测井资料,确定目标测井曲线以及截止值,所述目标测井曲线用于表征缝洞发育情况与钻井深度之间的关系,所述截止值是基于所述目标测井曲线确定缝洞型储层位置所采用的阈值,所述目标测井曲线与所述缝洞型储层的相关度高于所述测井资料中其他测井曲线与所述缝洞型储层的相关度;
第二确定模块,用于基于所述目标测井曲线,从所述目标区域的地震资料中确定至少两种目标地震属性,所述目标地震属性与所述缝洞型储层的相关度高于所述地震资料中其他地震属性与所述缝洞型储层的相关度;
第三确定模块,用于基于所述目标测井曲线以及所述目标地震属性沿井轨迹提取的目标地震属性曲线,确定至少两种所述目标地震属性曲线与所述目标测井曲线的拟合关系;
预测模块,用于基于所述拟合关系、所述目标区域的所述地震资料以及所述截止值,对所述目标区域进行缝洞型储层预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211072839.7A CN117687098A (zh) | 2022-09-02 | 2022-09-02 | 缝洞型储层的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211072839.7A CN117687098A (zh) | 2022-09-02 | 2022-09-02 | 缝洞型储层的预测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117687098A true CN117687098A (zh) | 2024-03-12 |
Family
ID=90128804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211072839.7A Pending CN117687098A (zh) | 2022-09-02 | 2022-09-02 | 缝洞型储层的预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117687098A (zh) |
-
2022
- 2022-09-02 CN CN202211072839.7A patent/CN117687098A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10324229B2 (en) | System and method of pore type classification for petrophysical rock typing | |
US11802985B2 (en) | Method and system for analyzing filling for karst reservoir based on spectrum decomposition and machine learning | |
EP2106558B1 (en) | Geological fracture cluster mapping | |
US11112513B2 (en) | Method and device for estimating sonic slowness in a subterranean formation | |
CN110397402B (zh) | 钻井方法及装置 | |
CN111665560B (zh) | 油气层识别方法、装置、计算机设备及可读存储介质 | |
US11796714B2 (en) | Determination of mechanical properties of a geological formation using deep learning applied to data acquired while drilling | |
US20220237891A1 (en) | Method and system for image-based reservoir property estimation using machine learning | |
US11828168B2 (en) | Method and system for correcting and predicting sonic well logs using physics-constrained machine learning | |
WO2022159698A1 (en) | Method and system for image-based reservoir property estimation using machine learning | |
US11719851B2 (en) | Method and system for predicting formation top depths | |
US11156740B2 (en) | Electrofacies determination | |
CN115809411A (zh) | 一种基于测井数据的改进型决策树岩性识别方法 | |
US11952880B2 (en) | Method and system for rate of penetration optimization using artificial intelligence techniques | |
CN117687098A (zh) | 缝洞型储层的预测方法、装置、设备及存储介质 | |
CN110687599B (zh) | 一种火成岩发育区井控自编码岩性识别方法 | |
CN112147676A (zh) | 一种煤层及夹矸厚度预测方法 | |
CN111502647A (zh) | 一种钻井地质环境因素确定方法、装置及存储介质 | |
US11905809B2 (en) | Determining reservoir heterogeneity for optimized drilling location | |
WO2023184214A1 (en) | Parameterization of nuclear magnetic resonance transverse relaxation time distribution | |
CN111852460B (zh) | 一种基于经验模态分解的测录井曲线归一化方法 | |
US20230193751A1 (en) | Method and system for generating formation property volume using machine learning | |
CN115951408A (zh) | 地下地层的声波探测的慢度提取方法、装置、介质及设备 | |
CN118068443A (zh) | 整合地球物理数据进行地质力学参数评估的方法及装置 | |
CN115903029A (zh) | 一种属性预测方法、装置、设备以及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |